Liangyuchen Lu · Yanzhen Zhou · Hongtai Zeng · Zhengcheng Wang 等6人 · IEEE Transactions on Power Systems · 2025年5月

神经网络（NNs）可快速准确地评估电力系统安全性，但对输入微小扰动的鲁棒性有限，可能导致误判。现有鲁棒性认证方法在暂态稳定评估中面临物理约束与敏感动态的挑战。为此，本文提出考虑物理可行性的鲁棒性比率指标及两阶段认证框架，通过嵌入系统物理约束推导非平凡鲁棒下界，并利用优化样本的稳定性验证获取上界。基于该框架开展模型选择与对抗训练，提升模型鲁棒性。在新英格兰10机系统及实际区域电网中的验证表明所提方法有效。

解读: 该神经网络鲁棒性认证技术对阳光电源PowerTitan大型储能系统及构网型控制产品具有重要应用价值。在储能系统参与电网暂态稳定支撑时，需快速准确评估系统安全裕度，但传统神经网络模型易受扰动影响导致误判。该研究提出的物理约束嵌入式认证框架可应用于：1）ST系列储能变流器的GFM控制策略优化，通过鲁棒性...

Abdulazez Abagero · Yoseph Abebe · Abera Tullu · Young Seok Jung 等5人 · IEEE Access · 2025年1月

微电网能量管理面临新能源出力波动和负荷不确定性挑战,传统优化方法难以应对实时性要求。本文提出基于深度强化学习的能量管理系统,通过多智能体协同学习实现经济性、可靠性和环保性的多目标平衡。

解读: 该智能能量管理技术可集成到阳光电源微电网解决方案。通过强化学习优化光储充一体化系统的能量调度策略,提升微电网的自治运行能力,降低运行成本,实现源网荷储的智能协调,为工商业园区提供高效能源管理。...

Diego Bernal Cobaleda · Fanghao Tian · Wilmar Martinez · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2025年4月

本文提出一种面向高自由度电力变换器的物理信息神经网络（PINN）建模方法。该方法综合考虑占空比、相移及功率关系，突破传统调制策略对谐波近似或时域分析的依赖，有助于识别更高效的运行工作点。以一种原边五电平T型逆变器、副边级联双单元多电平逆变器的谐振多输出变换器为案例，实现高低压侧隔离并降低变压器匝数比，提升功率密度潜力。结合粒子群优化（PSO）算法对PINN预测结果进行优化，进一步挖掘性能潜力。通过低功率样机验证，轻载效率显著提升。结果表明人工智能驱动建模在拓展变换器全负载效率方面具有前景，并探讨...

解读: 该PINN建模方法对阳光电源多端口变换器产品具有重要价值。在ST储能系统中，可优化多电池簇并联的SIMO拓扑建模，突破传统谐波分析局限，实现宽SOC范围高效运行；结合PSO算法可动态寻优调制策略，提升轻载效率。在车载OBC及充电桩产品中，五电平T型逆变器与级联多电平拓扑的结合可降低变压器匝数比、提升...

Yichen Wang · Feng Wang · Fang Zhuo · Kefan Yu · IEEE Journal of Emerging and Selected Topics in Power Electronics · 2024年12月

CLLC谐振变换器是一种具有优良软开关特性的双向隔离型DC/DC变换器，但在轻载条件下电压调节性能差且效率较低。为此，本文提出一种不对称变占空比调制（AVDM）控制方法，通过调节原边和副边不对称方波的占空比来改善轻载时的输出电压调节性能并提升效率。采用基于前馈神经网络（FNN）的多频建模策略，间接分析AVDM控制下变换器的时域特性，进而确定不同轻载条件下实现零电压开关（ZVS）的最优工作点，并据此设计闭环控制系统。最后通过2 kW实验样机验证了所提AVDM控制方法的可行性。

解读: 该CLLC谐振变换器轻载优化技术对阳光电源车载OBC充电机和储能双向变流器产品具有重要应用价值。AVDM控制方法可直接应用于ST系列储能变流器的DC-DC隔离级，解决轻载工况下效率低和电压调节性能差的痛点，提升储能系统在低功率充放电时的转换效率。基于FNN神经网络的多频建模策略为复杂调制模式下的ZV...

Pal Patel · Shreyansh Pampaniya · Ananya Ghosh · Ritu Raj 等6人 · IEEE Access · 2025年1月

机器学习驱动的辅助技术正在变革感官障碍的解决方式。本文全面综述为听觉和视觉障碍群体设计的机器学习算法。针对听觉障碍，分析SVM、随机森林RF和多层感知器MLP等先进模型在听觉辅助应用中的有效性。针对视觉障碍，评估YOLO、SSD和RetinaNet等最先进目标检测框架实现实时物体识别和导航辅助的能力。研究还综述生成式AI在视觉和听觉障碍场景中的应用，强调深度学习模型在推进辅助技术、提升感官障碍者生活质量方面的变革潜力。

解读: 该机器学习辅助技术对阳光电源智慧运维和人机交互系统有启发意义。阳光iSolarCloud平台可借鉴目标检测技术实现光伏组件缺陷自动识别和无人机巡检。YOLO等实时检测算法可应用于阳光储能电站安全监控和异常检测。语音识别和自然语言处理技术可优化阳光智能运维系统的人机交互界面，提升现场运维人员操作便利性...

Xun Shen · IEEE Transactions on Sustainable Energy · 2024年9月

精确的风电机组功率曲线对风电状态监测与出力预测至关重要。然而，实际数据集中存在大量因通信故障等因素导致的异常数据，直接影响模型拟合性能。本文提出一种统一的集值回归方法，同步实现异常数据检测与曲线拟合。采用区间神经网络建模，通过构建机会约束优化问题进行训练，并提出基于样本的Sigmoid逼近法求解，证明了逼近方法的收敛性与概率可行性。所得区间可界定正常数据范围用于异常检测，其中心则构成拟合曲线。实验验证表明该方法优于现有方法。

解读: 该集值回归方法对阳光电源的风电变流器和储能系统具有重要应用价值。首先，可集成到iSolarCloud平台的智能诊断模块，提升风电机组功率曲线的拟合精度和异常检测能力。其次，该方法的区间神经网络建模思路可应用于ST系列储能变流器的功率预测和调度优化，特别是在风储联合运行场景中。此外，文中的机会约束优化...

Nan Zhang · Zheren Zhang · Zheng Xu · IEEE Transactions on Sustainable Energy · 2025年1月

可再生能源的大规模接入导致电力系统复杂性和不确定性增加，频率失稳问题日益突出。本文提出一种基于径向基函数神经网络（RBFNN）的协调自适应滑模控制（CAR-SMC）方法，用于抑制含多个风电场的不确定电力系统的频率偏差与振荡。通过滑模控制构建上层频率调节控制律，利用RBFNN逼近系统不确定性，并设计自适应律实现不确定性在线快速估计与滑模抖振抑制。针对传统滑模控制仅适用于单输入系统的局限，引入基于动量的功率分配策略，实现多输入自适应滑模控制，并协调风电机组与储能系统的调频能力。在改进的IEEE 39...

解读: 该协调自适应滑模控制技术对阳光电源ST系列储能变流器和PowerTitan储能系统的调频功能具有重要应用价值。文中提出的基于RBFNN的不确定性在线估计与抖振抑制方法，可直接应用于储能系统的频率响应控制，提升PowerTitan在电网一次调频中的响应速度和稳定性。基于动量的功率分配策略为多储能单元协...

Salma Rattal · Abdelmajid Badri · Mohamed Moughit · El Miloud Ar-Reyouchi 等5人 · IEEE Access · 2025年1月

物联网IoT承诺超连接世界，集成数十亿设备。低能耗通信协议对延长资源受限IoT设备电池寿命和确保高效数据交换至关重要。本文提出新型AI驱动优化框架，增强智慧医疗应用中协议的能效、可扩展性和适应性。与以往孤立优化协议的工作不同，本研究全面分析BLE、Zigbee、Thread、LoRa、Sigfox、NB-IoT、Wi-SUN和Weightless等协议，突出优缺点。该框架利用机器学习ML、强化学习RL和深度学习DL等先进AI技术优化传输距离、数据速率和功耗等关键指标。定量评估显示性能和权衡的显著...

解读: 该物联网协议优化技术对阳光电源分布式设备通信系统有应用价值。阳光户用光伏和储能系统中大量传感器和控制器需要低功耗长距离通信。AI优化的LoRa和NB-IoT协议可提升阳光监控设备的通信效率和电池寿命。强化学习自适应协议参数的方法可应用于阳光iSolarCloud平台的设备连接优化。该研究关注的功耗、...

Yijun Shen · Bo Chen · Jianzheng Wang · Shichao Liu 等5人 · IEEE Transactions on Sustainable Energy · 2025年3月

风电机组功率曲线是评估其发电性能的重要指标，对风电场运行和电力系统调度具有重要意义。然而，机组停机、传感器故障和限电等因素导致大量异常值，给状态监测与功率预测带来挑战。针对异常数据特点，本文提出一种基于Wasserstein距离的风电场迭代清洗方法，结合神经网络与单调性约束，利用Wasserstein距离建模风速-功率关系并同步剔除异常点，使拟合曲线逐步逼近真实功率曲线。在数值模拟和十二个实测风电机组数据集上的实验表明，该方法在存在大量异常数据的情况下仍能构建高精度功率曲线模型，性能显著优于现有...

解读: 该风电数据清洗方法对阳光电源的风电变流器和智能运维系统具有重要应用价值。基于Wasserstein距离的异常数据识别技术可集成到iSolarCloud平台,提升风电场运行数据的质量和可靠性。具体可应用于:(1)风电变流器的功率曲线优化与效率提升;(2)iSolarCloud平台的智能诊断与预测性维护...

Jingxuan Liu · Haixiang Zang · Tao Ding · Lilin Cheng 等6人 · IEEE Transactions on Power Systems · 2024年8月

随机且非平稳的风特性给风电带来了相当大的不确定性，这对电网管理和市场出清构成了挑战。研究风场的时空特性对于预测未来风电变化至关重要。然而，目前在更精确地描述风场演变特征方面仍有提升空间。在本研究中，通过多阶偏微分方程建模，可将风场演变过程分解为对流、扩散、环流以及其他未知过程。在先验知识和深度学习的共同驱动下，提出了一种新型的物理单元（Phycell），用于从连续的风场图像中学习时间依赖关系。由此，建立了一个递归风场预测框架，以获取未来多步的风场图像。此外，通过引导注意力机制处理风场预测结果，以...

解读: 该风场图像生成框架对阳光电源的风电变流器和智能运维系统具有重要应用价值。可集成至iSolarCloud平台的预测分析模块，提升风电场发电功率预测精度，优化储能调度策略。对ST系列储能变流器的功率调节控制和PowerTitan系统的容量配置提供更准确的数据支撑。通过提前预知风电出力变化，可实现储能系统...

Saeid Jorkesh · Ryan Ahmed · Saeid Habibi · Reza Hosseininejad 等5人 · IEEE Access · 2025年1月

电动汽车BEV采用增加推动电池管理系统BMS进步，以应对成本和续航焦虑等挑战，两者均与电池性能相关。本文研究各种荷电状态SOC和健康状态SOH估计方法，提出结合门控循环单元GRU和长短期记忆LSTM模型的新型混合神经网络。所提方法在SOH和SOC估计精度方面显示显著改进，所需训练数据最少。关键贡献包括(1)混合GRU-LSTM模型提升SOC/SOH精度，(2)自优化能力，(3)有效处理温度变化无需OCV-SOC查找表，(4)适用于各种锂电池类型。实验结果显示，该方法在-10°C至40°C温度范围...

解读: 该混合神经网络技术对阳光电源电池管理系统具有重要应用价值。阳光ST储能系统和OBC车载充电机需要高精度SOC和SOH估计以优化充放电策略和延长电池寿命。该GRU-LSTM混合模型在宽温度范围内的高精度（SOC误差2%、SOH误差0.65%）可集成到阳光BMS系统，提升电池状态估计准确性。在工商业储能...

Wenjie Wu · Lin Qiu · Xing Liu · Jien Ma 等6人 · IEEE Transactions on Industrial Electronics · 2024年8月

有限控制集模型预测控制（FCS-MPC）在电力变换器与电机驱动中展现出良好前景，但受限于模型依赖性。本文从动态建模角度提出一种数据使能的有限集预测控制方案。采用动态线性化数据模型在各运行点等效重构系统，并通过自适应线性神经网络在线更新时变参数，提升建模精度与实现性能。同时提出一种改进的无电容电压平衡方法以调节中点电位。由于负载电流与电容电压的无参数预测仅依赖系统输入输出测量及历史数据，有效规避了参数变化带来的不利影响。通过在三电平中点钳位逆变器上的仿真与实验验证了所提方法的优越性。

解读: 该数据驱动的有限集预测控制技术对阳光电源ST系列储能变流器和SG光伏逆变器的三电平拓扑控制具有重要应用价值。通过Adaline神经网络实现无参数化预测控制，可有效解决储能系统在宽工况运行时的参数漂移问题，提升PowerTitan大型储能系统在温度变化、器件老化等复杂工况下的控制鲁棒性。改进的中点电位...

Pei Zhang · Bin Zhang · Jinliang Yin · Jie Shi · IEEE Transactions on Sustainable Energy · 2025年7月

县域内分布式光伏电站具有显著的时空相关性，仅考虑时间相关性难以满足日前调度需求。本文提出一种基于灰色关联分析和Transformer-图卷积注意力网络（Transformer-GCAN）的县域日前功率预测方法。首先通过灰色关联度确定光伏电站间的关联关系并构建站间图结构；其次利用Transformer提取各节点时间特征，并结合图卷积网络引入图注意力机制动态捕捉空间特征；最后通过全连接网络融合时空特征实现县域总功率预测。算例结果表明，相较于Transformer-GCN模型，该方法在晴天、多云和雨天...

解读: 该县域分布式光伏功率预测技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。通过灰色关联分析构建站间拓扑结构，结合Transformer-GCAN模型捕捉时空特征，可显著提升日前功率预测精度（不同天气条件下RMSE降低11.90%-19.61%）。该方法可直接集成到iSolarClou...

Shoujiang Li · Jianzhou Wang · Hui Zhang · Yong Liang · IEEE Transactions on Sustainable Energy · 2025年2月

精确可靠的光伏功率预测对智能电网的经济调度与稳定运行至关重要。针对太阳能固有的间歇性、非平稳性和随机性导致现有方法难以满足高精度预测需求的问题，本文提出一种结合气泡熵与平滑截断绝对偏差（SCAD）正则化的模糊认知图（FCM）预测方法（BesFCM）。该方法利用气泡熵融合两种模态分解技术以增强光伏数据特征的稳定性与判别性，构建融合模糊逻辑、神经网络与专家系统的FCM模型，并引入高阶SCAD正则化学习机制抑制过拟合，提升模型鲁棒性与泛化能力。实验结果表明，该方法在比利时多区域、多采样间隔的光伏数据集...

解读: 该鲁棒模糊认知图预测技术对阳光电源iSolarCloud智能运维平台和PowerTitan储能系统具有重要应用价值。其气泡熵融合与SCAD正则化方法可显著提升光伏功率预测精度，直接优化SG系列逆变器的MPPT算法和功率预测模块。在储能侧，精准的发电预测能改进ST系列储能变流器的充放电策略，降低备用容...

Zihui Wanga1 · Yanbing Jiaa2 · Xiaoqing Hana3 · Peng Wangb4 等5人 · Applied Energy · 2025年1月 · Vol.394

摘要 随着分布式光伏（PV）在配电网（DNs）中的渗透率不断提高，评估光伏承载能力（PVHC）以确保配电网安全运行变得至关重要。本文提出了一种数据驱动的分布鲁棒联合机会约束（DRJCC）配电网光伏承载能力评估框架。首先，引入基于时空注意力、投影、监督和Transformer架构的生成对抗模块，构建一种增强型时间序列生成对抗网络（ATS-GAN）。该网络通过在联合训练过程中融合监督学习与无监督学习，能够更好地捕捉光伏与负荷功率的时空特征。随后，利用ATS-GAN构建以生成器神经网络所诱导分布为中心...

解读: 该分布鲁棒联合机会约束光伏承载力评估技术对阳光电源SG系列逆变器和ST储能系统的配置优化具有重要价值。论文提出的ATS-GAN时空特征捕捉方法可应用于iSolarCloud平台,提升多点分布式光伏出力预测精度。分布鲁棒优化框架能指导PowerTitan储能系统在配电网中的容量配置,通过联合机会约束降...

Chao Shen · Ke Zuo · Mingyang Sun · IEEE Transactions on Power Systems · 2025年4月

数据驱动的动态安全评估（DSA）已成为应对可再生能源与电力电子设备快速接入带来安全挑战的有力工具。近期，融合微分方程描述物理规律的物理信息神经网络（PINN）被引入DSA，但仍面临代数偏差、收敛错误及训练非凸性等难题。为此，本文提出一种新型面向物理的神经网络（PFNN），通过估计故障后状态响应实现DSA。设计双阶段训练策略：第一阶段采用监督参数空间缩减以提升可优化性；第二阶段引入动力学引导的局部学习，结合经验损失与源自动态模型的物理正则项，解决代数偏差并确保正确收敛。在WSCC 3机9节点、新英...

解读: 该物理引导神经网络技术对阳光电源储能与新能源并网产品具有重要应用价值。在PowerTitan大型储能系统中，可实现故障后动态响应的快速预测与安全评估，提升电网支撑能力；结合ST系列储能变流器的构网型GFM控制，通过动力学模型正则化训练，可优化虚拟同步机参数整定，增强暂态稳定性。在SG系列光伏逆变器的...

Ke Yang · Xin Wang · Quan Zhang · Guangchao Geng 等5人 · IEEE Transactions on Power Delivery · 2025年5月

现有LCC-HVDC系统时域仿真在精度与效率之间存在权衡。电磁暂态模型虽精确但计算成本高，准稳态模型高效却难以准确描述换相过程，尤其在不对称故障下表现不足。本文提出一种基于神经网络的准稳态模型（NN-QSS），可精确刻画LCC-HVDC动态特性，有效识别换相失败，并适用于不平衡故障场景。通过改进的IEEE 39节点系统、中国某省级实际电网及CIGRE标准系统硬件在环验证表明，该模型在准稳态尺度下动态响应接近电磁暂态模型，换相失败识别准确率较现有方法提升18.8%。

解读: 该神经网络增强的LCC-HVDC准稳态建模技术对阳光电源大型储能系统和光伏并网产品具有重要应用价值。在PowerTitan储能系统中，可借鉴NN-QSS方法建立储能变流器快速仿真模型，实现电网故障下的换相失败预测与主动保护，提升ST系列储能变流器在不对称故障工况下的低电压穿越能力。该技术将准稳态建模...

Abhishu Oza · Dhaval K. Patel · Bryan J. Ranger · IEEE Access · 2025年1月

电力系统正经历向可再生能源技术的重大转型。为充分利用这些能源，优化能源生成、存储和分配可通过未来能源消耗的准确预测增强。预测单个居民负荷在负荷平衡中发挥关键作用，但由于个人消费模式的不规则性质保持挑战。此外当前文献限于仅预测居民负荷到未来几小时。本文提出融合ConvLSTM网络，一种结合空间和时间特征的新型融合编码器-解码器架构，将负荷预测扩展到完整24小时周期。通过以下方式评估模型对比多个基准神经网络模型：1）测试1.5到24小时不同预测窗口大小，2）评估多户模型性能，3）通过聚合100户预测...

解读: 该居民负荷预测技术对阳光电源户用光伏储能系统具有重要应用价值。阳光户用储能系统需要精准的24小时负荷预测来优化光储协同控制策略，该融合ConvLSTM网络可显著提升预测精度和时间范围。阳光可将该技术集成到户用储能EMS系统，实现日前优化调度，提升光伏自发自用比例，降低用户电费，提高系统经济性，增强用...

作者未知 · IEEE Transactions on Industrial Electronics · 2025年1月

在电力电子研究领域，用神经网络模型近似模型预测控制（MPC）算法作为一种实现计算成本高昂方法实时应用的有效工具，已受到广泛关注。训练机器学习模型以模仿MPC算法通常遵循传统的监督学习流程，其静态训练数据集通过均匀采样或仿真生成。使用均匀分布的数据进行训练可使模型在整个运行空间保持一致的性能，但非常小的模型可能无法在对应预期运行的区域取得令人满意的结果。相反，使用仿真数据进行训练可以得到能够精确跟踪某些轨迹的模型，但在数据代表性不足的区域无法获得足够好的性能。本文提出了一种结合这两种方法优势的方法...

解读: 从阳光电源的业务角度来看，这项基于重要性加权的模型预测控制（MPC）模仿学习技术具有重要的应用价值。该技术针对电力电子系统中MPC算法计算复杂度高、难以实时实现的痛点，通过神经网络模型近似MPC算法，并创新性地采用核密度估计对训练数据进行重要性加权，实现了模型性能的显著提升。 对于阳光电源的核心产...

Yong Zhang · Wenhao Xu · Xiangyu Shen · Zhichao He 等5人 · IEEE Transactions on Power Delivery · 2025年7月

针对有源电子式电流互感器（ECT）高压侧供电方案存在的小电流死区、能量转换效率低等问题，提出一种高压侧功耗低于4 mW的ECT设计。该方案采用电池供电，利用驱动电压为1.8 V、有效占空比0.16的发光二极管（LED）弱光模式工作，并通过双半桥结构的低功耗驱动电路将两个数字信号合并为单路四级信号，使LED功耗降低50%。低压侧采用融合支持向量机与循环神经网络的四级抗干扰解码方法。实验结果表明，该ECT高压侧最大功耗为3.14 mW，精度达0.2S级；联合解码算法可准确识别所有四级实验数据及由自编...

解读: 该超低功耗ECT技术对阳光电源储能与光伏产品线具有重要应用价值。其3.14mW功耗设计和0.2S级精度可直接应用于ST系列储能变流器和SG光伏逆变器的电流采样环节，解决高压侧供电难题，降低辅助电源损耗。四级编码弱光通信方案为PowerTitan大型储能系统的多点电流监测提供低成本隔离方案。融合SVM...